Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos

Autores
Currá, Gabriel
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Nigro, Héctor Oscar
González Císaro, Sandra Elizabeth
Descripción
Los primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumen
Fil: Currá, Gabriel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Nigro, Héctor Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: González Císaro, Sandra Elizabeth. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Bases de datos
Análisis de datos simbólicos
Ingeniería de sistemas
Ciencias exactas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/1002

id RIDUNICEN_004f44d7e1357aab65928af21196b775
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/1002
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datosCurrá, GabrielBases de datosAnálisis de datos simbólicosIngeniería de sistemasCiencias exactasLos primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumenFil: Currá, Gabriel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Nigro, Héctor Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: González Císaro, Sandra Elizabeth. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasNigro, Héctor OscarGonzález Císaro, Sandra Elizabeth20162017-03-03T21:09:19Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttp://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1002https://www.ridaa.unicen.edu.ar/handle/123456789/1002spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-10-23T11:15:30Zoai:ridaa.unicen.edu.ar:123456789/1002instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-10-23 11:15:30.383RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
title Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
spellingShingle Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
Currá, Gabriel
Bases de datos
Análisis de datos simbólicos
Ingeniería de sistemas
Ciencias exactas
title_short Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
title_full Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
title_fullStr Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
title_full_unstemmed Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
title_sort Análisis de datos simbólicos: como extraemos los objetos simbólicos de las Bases de datos
dc.creator.none.fl_str_mv Currá, Gabriel
author Currá, Gabriel
author_facet Currá, Gabriel
author_role author
dc.contributor.none.fl_str_mv Nigro, Héctor Oscar
González Císaro, Sandra Elizabeth
dc.subject.none.fl_str_mv Bases de datos
Análisis de datos simbólicos
Ingeniería de sistemas
Ciencias exactas
topic Bases de datos
Análisis de datos simbólicos
Ingeniería de sistemas
Ciencias exactas
dc.description.none.fl_txt_mv Los primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumen
Fil: Currá, Gabriel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Nigro, Héctor Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: González Císaro, Sandra Elizabeth. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description Los primeros documentos presentando los principales principios del Análisis de Datos Simbólicos fueron publicados por Edwin Diday a finales de los años 80. Diday plantea dos objetivos principales. El primero es poder llevar el análisis estándar de datos a individuos de segundo orden. Utilizando como ejemplo el censo de un país, cada individuo de una provincia esta descripto por un conjunto de variables numéricas o nominales dadas por relaciones de una base de datos. Cada individuo (persona) es considerado “individuo de primer orden”. Para poder estudiar las provincias, consideradas “individuos de segundo orden”, podemos describirlas como un resumen de los valores tomados de sus habitantes, como intervalos, o subconjuntos de valores, o histogramas, o distribuciones de probabilidad, etc., dependiendo de la variable que queramos utilizar. De esta manera, obtenemos una “tabla de datos simbólicos” donde cada fila contiene una “descripción” de la provincia y cada columna está asociada a una variable simbólica. El segundo objetivo que plantea es la posibilidad de poder obtener (o minar) resultados explicativos (conocimiento), extrayendo los llamados “objetos simbólicos”, los cuales modelan un “concepto” o una “entidad física” del mundo real. La sintaxis de un objeto simbólico tiene que tener poder explicativo. Por ejemplo, el objeto simbólico definido por la expresión: O(s) = [trabaja(s) = TRUE] AND [salario(s) < 5000] significa que el individuo “s” pertenece al objeto simbólico “O” si trabaja y su salario es menor a 5000. Párrafo extraído de la tesis de grado a modo de resumen
publishDate 2016
dc.date.none.fl_str_mv 2016
2017-03-03T21:09:19Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1002
https://www.ridaa.unicen.edu.ar/handle/123456789/1002
url http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1002
https://www.ridaa.unicen.edu.ar/handle/123456789/1002
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1846785143795089408
score 12.982451